高原气象

高原气象 >

2024 , Vol. 43 >Issue 6: 1433 - 1447

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00026

ENSO循环海表温度演变多样性的客观分类

  • 刘嘉锡 ,
  • 朱志伟 ,
  • 卢睿 ,
  • 李娟
展开
  • 南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/ 气象灾害预报预警与评估协同创新中心，江苏 南京 210044

刘嘉锡（1998 -）， 男， 陕西西安人， 硕士研究生， 主要从事海气相互作用研究. E-mail：

收稿日期: 2023-09-13

  修回日期: 2024-03-01

  网络出版日期: 2024-03-01

基金资助

国家自然科学基金基础科学中心项目(42088101)

收起

Objective Classification of Sea Surface Temperature Evolution diversity of ENSO Cycle

  • Jiaxi LIU ,
  • Zhiwei ZHU ,
  • Rui LU ,
  • Juan LI
Expand
  • Key Laboratory of Meteorological Disasters，Ministry of Education/International Joint Laboratory on Climate and Environmental Change/Collaborative Innovation Center for Meteorological Disaster Forecast and Assessment，Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China

Received date: 2023-09-13

  Revised date: 2024-03-01

  Online published: 2024-03-01

Fold

摘要

厄尔尼诺-南方涛动（El Ni?o-Southern Oscillation， ENSO）是热带太平洋最显著的年际气候变率模态， 其海温异常（Sea Surface Temperature Anomalies， SSTA）的演变过程呈周期性和锁相性特征。本文从ENSO循环角度出发， 使用K均值聚类法（K-Means Clustering Analysis， KMA）对1961 -2021年ENSO的SSTA演变进行分类， 得到ENSO循环的SSTA演变3类和5类两种客观分类结果。当分3类时， ENSO循环的SSTA基本演变特征分别为暖发展、 暖衰减和冷持续过程； 而分5类时， 超强和普通暖事件发展、 衰减过程在强度和纬向分布上的差异能够被进一步反映出来。为解释该差异， 本文又引入结合主成分分析（Empirical Orthogonal Function， EOF）的KMA方法。通过将EOF主模态分为两大类， 分别代表ENSO循环的纬向一致发展模态和纬向非对称发展模态， 分离了ENSO循环中赤道太平洋SSTA纬向一致和纬向非对称发展过程。在此基础上， 结合KMA聚类分析结果对不同类别的ENSO循环特征进行分析， 发现纬向非对称发展模态叠加在纬向一致发展模态上， 可最终导致ENSO的SSTA年循环纬向发展速度的不对称。对ENSO纬向一致和非对称演变模态进行回归重构， 发现风、 温跃层厚度异常可能是造成SSTA纬向非对称演变的关键。本文客观定义ENSO演变的不同类型， 为ENSO多样性的气候动力学及其气候影响研究提供了一定参考。

关键词： ENSO循环; K均值聚类; 主成分分析; 太平洋海温

本文引用格式

刘嘉锡 , 朱志伟 , 卢睿 , 李娟 . ENSO循环海表温度演变多样性的客观分类[J]. 高原气象, 2024 , 43(6) : 1433 -1447 . DOI: 10.7522/j.issn.1000-0534.2024.00026

Abstract

El Ni?o-Southern Oscillation （ENSO） is the most prominent interannual climate mode over the tropical Pacific， which is characterized by a periodic and phase-locked evolution of sea surface temperature anomalies （SSTA）.From the perspective of ENSO cycle， this study objectively classified the SSTA evolution of ENSO from 1961 to 2021 into two results using K-means clustering method （KMA）： 3 or 5 types of ENSO cycle.When it is classified into 3 types， the basic characteristics of ENSO cycle are warm-developing， warm-decaying， and cold-persistence.When it is classified into 5 types， the discrepancies of intensity and zonal distribution of the development and decay processes between super-strong and normal events are highlighted.To further explain these discrepancies， this study employed a KMA considering the Principal Component Analysis （Empirical Orthogonal Function）.Based on the two EOF leading modes which reflects the zonal symmetric and asymmetric development modes， the zonally symmetric and asymmetric development processes of the ENSO cycle are divided.Combined with the KMA clustering analysis， it is further found that zonally asymmetric development mode together with the zonally consistent development mode jointly lead to the zonal asymmetric development speed of ENSO cycle.Reconstruction of the zonally homogeneous and asymmetric evolution modes of ENSO reveals that wind and thermocline thickness anomalies may be key factors controlling the zonal asymmetric evolution of SSTA.This study objectively classified different types of ENSO evolution， providing reference for climate dynamics and impacts of ENSO diversity.

Key words： ENSO cycle; K-Means cluster analysis; principal component analysis; Pacific SST

1 引言

厄尔尼诺-南方涛动（ENSO）是热带太平洋最显著的年际尺度海气耦合现象（Bjerknes， 1969）， 其可通过激发遥相关从而影响全球天气气候（Wallace et al， 1998； Alexander et al， 2002； Timmermann et al， 2018； 杜梦莹等， 2022）。观测表明， ENSO事件表现为包含El Niño和La Niña事件的交替， 其平均周期为2~7年（McPhaden et al， 2006； 任福民等， 2012； 陈虹颖等， 2017； Timmermann et al， 2018）， ENSO随季节变化而发展或衰退称为ENSO循环（Johnson， 2013； Yang and Huang， 2022）。ENSO循环多样性能够对东亚气候产生差异性影响（李维京等， 2016； 李一诺和李跃清， 2024）。例如， 在El Niño发展年夏季， 中国东部沿海地区雷暴频次增加（庞波等， 2023）， 而西南地区极端降水事件增加（陈子凡等， 2022）； 在El Niño衰减年夏季， 如1998年和2016年， 长江中下游极易发生洪涝灾害（罗婷等， 2019； 黄桢等， 2020）， 且El Niño衰减速度可能影响这种降水异常（Jiang et al， 2019）； 而连续的El Niño事件可能导致夏季河西走廊降水增加（杨龙和赵景波， 2012）， 同时广东地区干旱（胡娅敏等， 2017）； La Niña再加强和衰减位相分别使得春季华南、 华北降水偏大（Chen et al， 2019）； 近年来， 持续性的La Niña事件又造成我国长江流域夏季异常高温和干旱（Tang et al， 2023； Huang et al， 2024）。因此， 探究ENSO循环多样性及其气候影响具有重要科学价值和防灾减灾意义。
ENSO循环多样性一方面体现在SSTA演变速率的不对称。前人研究指出， El Niño事件常在冬季发展成熟， 在第二年快速衰减为La Niña事件（赵亮等， 2006； Chen et al， 2012； Jiang et al， 2019）， 而La Niña事件通常能持续到第二年冬季并再加强形成一次弱的La Niña事件（Chen et al， 2016； Chen and Li， 2021）。另一方面， ENSO循环的多样性还体现在空间的纬向非对称性（Johnson， 2013； Wang et al， 2020）。根据最大增暖区的不同， El Niño可分为东太平洋（Eastern Pacific， EP）和中太平洋（Central Pacific， CP）两种主要类型（Kao and Yu， 2009； Takahashi et al， 2011； Capotondi et al， 2015）， EP El Niño的最大增暖区域往往是赤道东太平洋（5°S -5°N， 140°W -80°W）， 而CP El Niño的最大增暖区域常位于赤道中太平洋180°附近。La Niña事件是否存在纬向分布差异还存在争议（Kug and Ham， 2011； Ren and Jin， 2011； Fang and Mu， 2018）。
前人已针对ENSO演变多样性开展研究， 例如， Li et al（2015）提取了ENSO事件发展和结束时刻的海温分布型并进行聚类分析， 发现大部分相邻ENSO事件之间不存在稳定的联系， 只有CP El Niño的之后的La Niña通常从赤道东太平洋发展。Wang et al（2019， 2020）分别对El Niño事件发展和衰减期间赤道太平洋（5°S -5°N， 120°E -80°W）SSTA随时间演变过程进行聚类， 分别得到了主要的发展型和衰减型各三种， 发现不同El Niño衰减路径对应了不同冷SSTA发展位相。这表明ENSO演变过程中前后两次ENSO事件SSTA的空间分布是否存在联系还存在争议， 值得进一步研究。此外， Lee et al（2014）还使用REOF方法分析， 指出ENSO事件发生早晚也可能影响其持续时间。然而这些研究大都针对预先选取的ENSO事件进行分析， ENSO事件的选取标准之间也存在差异。通过将ENSO循环视为一种连续的季节演变， 对其演变过程进行分析可避免用季节锁相指数选取标准所带来的偏差。近年来， 有研究进一步表明ENSO在空间格局、 峰值强度和时间演变方面均存在显著不同（Chen et al， 2022； Chen and Fang， 2023）， 且不同演变过程中可预报性也各不相同（Fang and Chen， 2023）。因此， 在研究ENSO循环时应同时考虑其演变过程中时空多样性特征。而目前针对ENSO循环演变过程多样性的客观分析研究较少， 对ENSO循环海温演变分类的物理过程认识也不够清楚， 有必要对其进行进一步探索。
综上， 本研究将从ENSO生命周期演变的观点出发， 分别对海温指数和海温异常的时空演变进行聚类分析， 并引入一种结合EOF的K均值聚类法方法确定其演变过程。文章具体安排如下： 第2章介绍本文使用的数据和分析方法， 第3章分析各种方法的分类结果， 第4章对全文进行讨论和总结。

2 资料来源和方法介绍

2.1　资料来源

本文使用哈德莱中心提供的全球逐月海温HadISST v1.1（Rayner et al， 2003）， 欧洲中期天气预报中心提供的ORAS5海洋等温线深度（Zuo et al， 2019）和ERA5风场（Hersbach et al， 2020）。研究时段选取1961 -2021年。将赤道太平洋区域（5°S -5°N， 120°E -80°W）的SSTA进行经向平均， 并对逐月的经向平均SSTA的时间演变进行聚类分析。要研究ENSO循环SSTA演变过程的多样性， 应包含一个完整的演变过程以反映其发展、 衰减等特征。为了完整覆盖其演变过程， 并避免分类中前后两次ENSO事件由于所包含月份差异而导致权重不一致的情况， 选取自前一年11月［Nov（-1）］到后一年2月［Feb（1）］的逐月经向平均的经度-时间SSTA数据进行分析。与之对应， Niño3指数（5°S - 5°N， 150°W -90°W区域平均SSTA）、 Niño3.4指数（5°S -5°N， 170°W -120°W区域平均SSTA）和Niño4指数（5°S -5°N， 160°E -150°W区域平均SSTA）也做类似处理。Nov（-1）表示月份和相对的年份。其中Nov是11月的英文缩写， 其他月份也使用相应的英文缩写。括号中的-1、 0和1分别代表选定年份的前一年、 当年和后一年。

2.2　方法介绍

2.2.1　 K均值聚类分析

K均值聚类分析（K-Means Clustering Analysis， KMA）使用欧几里得距离（欧氏距离）， 式（1）衡量每个向量到聚类中心的距离。
d i s X i , C j = | | X i - C j | | 2 = ∑ t = 1 M ( X i t - C j t ) 2 ( i = 1,2 , ⋯ , N , j = 1,2 , ⋯ , K
式中： dis（Xi， Cj）为Xi 到聚类中心Cj 的欧氏距离； Xi 为赤道太平洋第i年SSTA逐月经向平均数据； N为年份； M为逐月经向平均数据格点数量； K为聚类簇数； Xit 为Xi 上第t个格点的值； Cjt 为Cj 上第t个格点的值。
为了使每个SSTA场与K个聚类中心C之间欧氏距离最小， 聚类分析通过期望最大化（Expectation Maximization， EM）算法进行不断迭代直到收敛。其中期望步骤（E-step）是给定K个聚类中心C， 每个点位置都随机分布， 将N个X点分配到欧氏距离最小的聚类中心C所对应的簇B中。最大化步骤（M-step）是按照新的类别， 计算该类别的聚类中心Cnew， 更新第一步的聚类中心C=Cnew， 以此进行迭代直到聚类集群稳定。这等价于不断调整各簇B中所包含的点X来求解KMA的优化函数（式2）的最小值min（J）。对Niño3.4指数进行分析时同理， N为年份， Xi 为第i年的Niño3.4指数序列， 包含M个月份。
J C = ∑ j = 1 K ∑ i = 1 N γ i j d i s ( X i , C j ) ,   γ i j = 1 X i ∈ B j 0 X i ∉ B j
式中： Xi 为赤道太平洋第i年SSTA逐月经向平均数据， N为年份， Cj 为第j个聚类中心， K为分类簇数， Bj 为第j簇。

2.2.2　最佳聚类簇数K的判别方法

确定聚类簇数K是KMA的第一步， 常用的方法有误差平方和（Sum of Squares Error， SSE）的“肘部”原则和轮廓系数（Silhouette， S）（Rousseeuw， 1987）的最大值。误差平方和的定义为上节中优化函数的最小值SSE=min（J）。SSE随分类数量K的增加而降低， 在到达最佳分类数量K best之后下降速度骤减， 得到一个“肘部”， 由此得到K best。但该方法只衡量了簇的内聚度， 没有关注簇间分离度的影响， 常得到局部最优解。轮廓系数则可以同时考虑簇的内聚度a和簇间分离度b， 因此本文使用轮廓系数法判断最佳分类数K best， 轮廓系数S取值范围区间为-1到+1， 越大表示聚类效果越好， 其数学表达式如下：
S i = b i - a i m a x   a i , b i    i = 1,2 , ⋯ N
式中： a（i）为其同一个簇Bp 内的所有除Xi 点的距离， a的值越小表示簇内相似度越好； b（i）为第i个样本Xi 与最近簇Bq 的平均距离， 表示簇间分离度， b的值越大表示簇间分离度越好； p和q为簇序号。

2.2.3　结合EOF的KMA

为了获取ENSO演变的特征， 前人使用EEOF（Extended EOF， Weare and Nasstrom， 1982）方法提取ENSO演变的主模态（Yang and Huang， 2022）， 得到ENSO循环的发展、 衰减等模态， 第3模态及之后的模态可能表示纬向非对称性。与之相似， 本文对海表温度数据进行EOF分解得到显著分离的主模态（North et al， 1982）， 将对应的时间系数PC依次排列组合成［PC1， PC2， …］形式的Hovmöller空间， 对其进行KMA得到的聚类结果可视为这几个主模态的主要组合型（Xu et al， 2015； Celestino et al， 2018； Anderson et al， 2019）。各组合的重构场［EOF×PC］的物理过程将在3.3节中详细描述。

2.2.4　线性回归重构

当已知某空间模态的时间系数时， 可采用线性回归方法重构得到与之对应的异常场。假设x为时间系数序列， 而y为需要重构的环流空间场在某空间点的时间序列， Y为实际时间序列值， a和b分别为斜率和截距。通过求出实际时间序列值Y的回归系数a和截距b。再将时间序列x带入y = ax+b中即可得到与该事件序列x线性相关的y值。线性回归重构的方法广泛应用于还原与ENSO线性相关的物理量场（Kelly and Jones， 1996）。此外， 文中的显著性检验均指学生t检验。

3 结果分析

3.1　基于Niño指数的聚类结果

考虑到前人一般使用Niño3.4指数描述ENSO事件， 我们首先对Niño3.4指数进行聚类分析。不同分类簇数K值对应的轮廓系数［图1（a）］显示K=3时轮廓系数最大。因此， 可选取K=3对Niño3.4指数进行聚类分析。图1［（b）~（d）］为K=3时的聚类结果， 按照其演变特征分别将其命名为暖发展［图1（b）］、 暖衰减［图1（c）］和冷持续［图1（d）］三种ENSO演变类型， 在1961 -2021年期间这三种演变类型分别占24年（1963， 1965， 1968， 1969， 1972， 1976， 1977， 1979， 1982， 1986， 1987， 1990， 1991， 1993， 1994， 1997， 2002， 2004， 2006， 2009， 2014， 2015， 2018， 2019年）、 17年（1964， 1966， 1970， 1973， 1978， 1980， 1983， 1988， 1992， 1995， 1998， 2003， 2005， 2007， 2010， 2016， 2020年）和20年（1961， 1962， 1967， 1971， 1974， 1975， 1981， 1984， 1985， 1989， 1996， 1999， 2000， 2001， 2008， 2011， 2012， 2013， 2017， 2021年）。
图1 不同聚类数K对Niño3.4指数KMA聚类对应的轮廓系数（a）及K=3时对Niño3.4指数聚类得到的暖发展（b）、 暖衰减（c）、 冷持续（d）的ENSO循环类型

黑色点为三类型各年逐月Niño3.4指数， 红色实线为各类型多年平均的逐月Niño3.4指数（单位： ℃）

Fig.1 Silhouette coefficient （a） obtained from KMA of Niño3.4 index with different cluster numbers K， and Warm-Developing （b）， Warm-Decaying （c）， and Cold-Persistence （d） ENSO cycle type obtained from KMA of Niño3.4 index with K=3.The black points represent the monthly Niño3.4 index for each year in three types， and the red line represents the monthly Niño3.4 index averaged mean for each type （unit： ℃）

暖发展类型［图1（b）］对应的SSTA从前期冬季［Dec（-1）-Feb（0）］不断增暖， 到冬季［Dec（0）-Feb（1）］达到最高值， 之后开始出现衰减趋势。暖衰减类型［图1（c）］对应的SSTA从前期冬季暖位相快速过渡至夏季冷位相， 在冬季达到最冷后开始恢复增暖。冷持续类型［图1（d）］对应的SSTA持续偏冷， 从前期冬季的冷位相， 经历了春夏季的小幅回暖后在冬季重新加强成一个新的冷事件。
由于ENSO事件的海温异常存在空间差异， 仅使用Niño3.4指数并不能完美地表征ENSO演变的所有特征， 因此， 我们也使用了Niño3和Niño4指数进行了对比分析。图2（a）~（b）为使用从前一年11月到后一年2月［Nov（-1）-Feb（1）］的Niño3和Niño4的进行聚类的轮廓系数， 分别显示最佳聚类数K=5和K=3。结合图1， 当使用Niño4和Niño3.4指数做聚类分析时， 最佳分类数均为3类， 而使用Niño3指数聚类时， 最佳分类数为5类。按这种聚类结果分别对Niño3和Niño4进行分类并合成［图2（c）， （d）］。利用Niño3指数相比其他两个指数的聚类结果多出了超强ENSO事件的类别。最佳聚类数量的差别说明赤道太平洋SSTA演变存在空间差异， 因此， 在探讨ENSO循环多样性及其影响时不应仅考虑某一区域海温， 应兼顾整个赤道太平洋海表温度空间分布。
图2 不同聚类数K对Niño3（a）和Niño4（b）指数KMA聚类对应的轮廓系数， 分别使用K=5对Niño3（c）和K=3对Niño4（d）指数进行KMA的结果（单位： ℃）

Fig.2 Silhouette coefficient obtained from KMA of Niño3 （a） and Niño4 （b） index with different cluster numbersK， and results of the Niño3 （c） and Niño4 （d） indices with K=5 and K=3.Unit： ℃

3.2　基于赤道太平洋海温随时间演变的聚类结果

为了避免利用不同区域海温指数聚类产生的结果不稳定， 我们也使用赤道太平洋（5°S -5°N， 120°E -80°W）逐月经向平均随时间［Nov（-1）-Feb（1）］的演变SSTA进行聚类分析。轮廓系数S［图3（a）］的最大值点分别出现在K=3和K=5， 表示3类或5类都可能是最优的聚类结果。聚类数K=3时， 依然得到暖发展、 暖衰减、 冷持续这3种不同的ENSO循环演变类型。暖发展模态［图3（b）］从当年4月开始， 赤道中东太平洋SSTA转为显著偏暖， 发展到秋冬季时强度达到最强。暖衰减模态［图3（c）］包含了暖衰减、 冷发展过程， 暖位相自前期冬季暖事件发展达到最强后开始衰减， 直至春季时衰减完毕， 随后SSTA继续衰减到夏季开始转为显著冷发展。在冷持续类型中［图3（d）］， 赤道中东太平洋SSTA自前一年冬季开始持续显著偏低， 期间显著负SSTA经历了减弱到再加强的过程， 并在第二年冬季加强成La Niña， 且冷中心位置相对偏东。
图3 使用不同聚类数K对赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的SSTA随时间演变过程进行聚类得到的轮廓系数（a）和聚类数K=3时对应的各类SSTA平均演变过程（b~d， 单位： ℃）

（a）轮廓系数， （b）暖发展， （c）暖衰减， （d）冷持续， （b~d）中斜线区域表示通过了置信度为95%的显著性检验

Fig.3 Silhouette coefficient （a） obtained from KMA results of the meridional mean SSTA evolution process over the equatorial Pacific （5°S -5°N， 120°E -80°W） with different cluster numbers K， and the average SSTA evolution correspondings types when K=3 （b~d， unit： ℃）.（a） Silhouette coefficient， （b） Warm-Developing， （c） Warm-Decaying， and （d） Cold-Persistence type， slashed in （b~d） passes the significance test at 95% confidence level

K=5时的聚类结果如图4所示， 相较于分3类的情况， 多出了超强暖发展［图4（b）］和超强暖衰减［图4（d）］特征的类别， 凸显了超强与普通暖事件演变类型的差异。超强暖发展年包括了三次典型的超强暖发展年1982年、 1997年、 2015年和一个类超强暖发展年1972年； 超强暖衰减年包括了三次典型的超强暖衰减年1983年、 1998年、 2016年和一个类超强暖衰减年1992年。冷持续模态［图4（e）］则与分3类时分布一致。
图4 K=5时对赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的SSTA随时间演变过程的KMA聚类结果（单位： ℃）

（a）普通暖发展， （b）超强暖发展， （c）普通暖衰减， （d）超强暖衰减， （e）冷持续。斜线区域表示通过了置信度为95%的显著性检验

Fig.4 KMA results （unit： ℃） of meridional mean SSTA evolution over the equatorial Pacific （5°S -5°N， 120°E -80°W） when K=5.（a） Normal Warm-Developing， （b） Super Warm-Developing， （c） Normal Warm-Decaying， （d） Super Warm-Decaying， （e） Cold-Persistence type.Slashed area passes the significance test at 95% confidence level

超强暖事件的SSTA峰值强度显著强于普通暖事件， 其演变过程也与普通暖事件有明显差异。超强暖发展模态［图4（b）］表现在赤道中太平洋（180°附近）和赤道东太平洋（5°S -5°N， 140°W -80°W）两条增暖路径， 而普通暖发展类型则仅有赤道中太平洋一条增暖路径［图4（a）］。普通暖衰减类型［图4（c）］在赤道东太平洋的暖SSTA衰减速度快， 在前冬就衰减为不显著， 且持续衰减并在春季发展为显著冷SSTA； 赤道中太平洋暖SSTA则衰减较慢， 直到春季暖SSTA才完全衰减。虽然普通暖衰减类型［图4（c）］在赤道中太平洋的SSTA衰减为冷SSTA的时间较晚， 但由于赤道东太平洋冷SSTA发展缓慢， 在第二年冬季冷SSTA异常中心并没有明显的偏东， 而是更偏向赤道中太平洋。在超强暖衰减类型［图4（d）］中， 暖SSTA相比于普通暖衰减类型持续时间更长， 且在赤道中东太平洋显著正异常能够持续到当年春末夏初。不同于普通暖衰减类型， 超强暖衰减类型在衰减后的负SSTA强度较弱、 范围较小。

3.3　结合赤道太平洋海温EOF主模态的聚类结果

前人研究表明， EOF分析可以提取ENSO循环过程中SSTA演变主模态， 同时分离纬向非对称演变过程（Yang and Huang， 2022）。因此， 为了进一步确认ENSO循环聚类结果并解释其可能原因， 我们进一步结合EOF方法对ENSO循环进行客观分类。首先对逐月的赤道太平洋海区（5°S -5°N， 120°E -80°W）经向平均的SSTA进行EOF分解， 得到前6个独立的EOF主模态［图5（a）］， 其累积解释方差达到90.1%。将ENSO循环演变过程视为这6个显著分离的EOF主模态组合的结果， 使用其时间系数PC组成一个6维Hovmöller空间［PC1， PC2， …， PC6］进行KMA聚类， 可以得到分类数K=5的全局最优解［图5（b）］。该分类结果与直接使用原数据进行聚类一致， 这表明前六个显著分离的EOF模态能捕捉到ENSO循环的主要特征。
图5 对赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的SSTA随时间［Nov（-1）-Feb（1）］演变过程进行EOF得到的North检验结果（a）和使用不同K值对PC1~6组成的Hovmöller空间进行KMA得到的轮廓系数（b）

Fig.5 North test results （a） for EOF of meridional average SSTA evolution ［Nov （-1） - Feb （1）］ over the equatorial Pacific （5°S -5°N， 120°E -80°W） and Silhouette coefficients （b） for KMA of the Hovmöller space composed by PC1~6 with different K values

为了分析各EOF主模态描述的SSTA演变过程， 将赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的SSTA回归到各模态对应的时间系数PC得到不同EOF模态下对应的SSTA演变显著区域（图6）。第一模态［图6（a）］代表ENSO循环中纬向一致发展模态， 而第二模态［图6（b）］为纬向一致衰减模态。由于EOF1和EOF2与典型的ENSO演变特征类似， 且纬向发展速度一致， 可将EOF1和EOF2主模态归为一类， 表征ENSO循环中SSTA纬向一致变化特征。值得注意的是， 第三模态［图6（c）］为赤道中太平洋和赤道东太平洋时间同步的SSTA反相变化， 第四模态［图6（d）］表示赤道中西太平洋持续的SSTA变化和赤道东太平洋短暂的SSTA变化， 第五模态［图6（e）］表示赤道西太平洋（150°E以西）持续的SSTA变化和冬季赤道东太平洋SSTA短暂变化， 而第六模态［图6（f）］表示前冬到当年春季赤道中太平洋SSTA不同于其他区域的演变。可见， 除第一、 二模态外， 第三至六模态均反映了ENSO循环中纬向非对称发展特征， 因此可统一归为ENSO循环中SSTA纬向非对称演变类型。
图6 对赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的SSTA进行EOF得到的前六个EOF主模态（a~f）

斜线区域通过了置信度为95%的显著性检验

Fig.6 The first six EOF patterns （a~f） of the meridional mean SSTA over the equatorial Pacific （5°S -5°N， 120°E -80°W）.Slashed area passes the significance test at 95% confidence level

前人研究指出， 纬向风异常和温跃层厚度异常对ENSO演变起重要作用（Wyrtki， 1985； Luther et al， 1983； McPhaden et al， 1992）， 以下6个EOF主模态及其对应海温异常演变能否反映这两种在ENSO演变中的关键物理过程？下文将对这6个EOF主模态归类， 并使用不同类别的EOF主模态重构5个演变过程来讨论纬向风异常和温跃层厚度异常在ENSO循环中的作用。

3.3.1　重构SSTA和纬向风异常

为了探究ENSO循环中SSTA纬向一致演变特征及其对应的低层1000 hPa纬向风异常， 使用EOF1和EOF2主模态重构海温场［PC1×EOF1+PC2×EOF2］， 并用PC1和PC2线性回归重构赤道地区（5°S -5°N， 120°E -80°W）经向平均的1000 hPa纬向风场， 按K=5的聚类结果进行合成分析如图7。普通暖发展［图7（a）］和超强暖发展模态［图7（b）］， 二者发展达到成熟期的时间一致， 都表现为从春季开始发展， 到冬季达到峰值。同时， 赤道西太平洋的西风异常自前冬开始显著偏强， 随着暖海温的发展， 西风异常增强、 面积扩大。普通暖衰减［图7（c）］和超强暖衰减模态［图7（d）］能捕捉到其纬向一致的演变特征， 但二者暖SSTA显著区域衰减结束时间有明显差异。普通暖衰减模态［图7（c）］中， 春季其低层纬向风由西风转为东风异常， 之后赤道中东太平洋SSTA由正转负， 随着东风异常增强， 赤道中东太平洋冷SSTA增强。超强暖衰减模态［图7（d）］中， 暖SSTA则能持续到当年夏季， 西风异常也能持续到春末夏初， 但之后没有显著的冷位相。值得注意的是， 超强暖衰减模态下， 春季赤道西太平洋出现了较弱的东风异常， 但这种东风异常未能进一步发展。我们认为这种异常与温跃层厚度异常存在联系， 具体在下文中3.3.2节中详细分析。冷持续模态中冷SSTA从前一年秋冬季持续到当年， 并在后一年再加强成一个较弱的冷位相［图7（e）］， 期间SSTA强度略有下降， 但仍显著并持续到第二年再次发展加强， 期间赤道中太平洋上东风异常显著。
图7 使用EOF1~2重构的经向平均赤道太平洋（5°S -5°N， 120°E -80°W）SSTA（彩色区， 单位： ℃）和1000 hPa纬向风异常场（矢量， 单位： m·s-1）， 按K=5的聚类结果分别合成得到的普通暖发展（a）、 超强暖发展（b）、 普通暖衰减（c）、 超强暖衰减（d）和冷持续（e）模态

斜线区域和矢量均通过了置信度为95%的显著性检验

Fig.7 EOF1~2 reconstructed meridional mean SSTA （shading， units： °C） and 1000 hPa U-Wind （vectors， units： m·s-1） over equatorial Pacific （5°S -5°N， 120°E -80°W） obtained by KMA results when K=5： Normal Warm-Developing （a）， Super Warm-Developing （b）， Normal Warm-Decaying （c）， Super Warm-Decaying （d） and Cold-Persistence （e） type.Slashed and vectors pass the significance test at 95% confidence level

与之对应， 为探究ENSO循环中SSTA纬向非对称的发展特征及其对应的低层1000 hPa纬向风异常， 使用EOF3~6主模态的重构场和PC3~6线性回归重构的1000 hPa纬向风场进行合成分析如图8。普通暖发展纬向非对称模态［图8（a）］中， 前期冬春季赤道东、 西太平洋分别出现了异常的东风和西风， 在中太平洋低层纬向风异常辐合导致赤道中太平洋显著偏暖、 赤道东太平洋显著偏冷。超强暖发展纬向非对称模态［图8（b）］中， 赤道中太平洋显著偏冷SSTA且有显著的低层纬向风异常辐散， 而赤道东太平洋SSTA显著区较小。普通暖衰减纬向非对称模态［图8（c）］中， 赤道东太平洋冷SSTA自前冬持续到夏季， 赤道中太平洋暖SSTA从前冬持续到春季， 且有显著的低层纬向风异常辐合与暖SSTA对应。接着， 秋冬季赤道中太平洋出现显著的西风异常， 赤道东太平洋SSTA快速由冷转暖， 这反映了普通暖衰减中后一个冷位相SSTA异常中心更偏向赤道中太平洋。超强暖衰减模态［图8（d）］中各事件之间差异较大， 没有出现显著区域。冷持续纬向非对称模态［图8（e）］中， 赤道中太平洋显著冷SSTA在前期冬季衰减结束， 赤道东太平洋显著暖SSTA持续到春夏季， 但之后显著的风场、 海温异常区域较小， 这反映了冷持续下后一个冷位相SSTA纬向分布差异较小。
图8 使用EOF3~6重构的经向平均赤道太平洋（5°S -5°N， 120°E -80°W）SSTA（彩色区， 单位： ℃）和1000 hPa纬向风异常场（矢量， 单位： m·s-1）， 按K=5的聚类结果分别合成得到的普通暖发展（a）、 超强暖发展（b）、 普通暖衰减（c）、 超强暖衰减（d）和冷持续（e）模态

斜线区域和矢量均通过了置信度为95%的显著性检验

Fig.8 EOF3~6 reconstructed meridional mean SSTA （shading， units： °C） and 1000 hPa U-Wind （vectors， units： m·s-1） over equatorial Pacific （5°S -5°N， 120°E -80°W） obtained by KMA results when K=5： Normal Warm-Developing （a）， Super Warm-Developing （b）， Normal Warm-Decaying （c）， Super Warm-Decaying （d） and Cold-Persistence （e） type.slashed and vectors pass the significance test at 95% confidence level

3.3.2　重构温跃层厚度异常

已有研究表明温跃层的异常信号比表层更强， 且ENSO现象的产生由异常纬向风激发并沿温跃层深度传播（黎鑫等， 2013）。因此， 为了探究ENSO循环中温跃层异常信号在不同演变过程中对应的变化规律， 对温跃层厚度演变特征进行线性回归重构， 温跃层厚度演变特征使用20 ℃等温线深度异常来描述。
使用PC1~2赤道地区（5°S -5°N， 120°E -80°W）经向平均的温跃层厚度异常场进行线性回归重构， 得到纬向一致SSTA演变对应的温跃层厚度异常， 按K=5的聚类结果分别合成如图9。普通和超强暖发展模态［图9（a）， （b）］中， 赤道西太平洋温跃层风场分别通过在其东侧激发下沉和上升的东传海洋Kelvin波， 使得赤道东太平洋温跃层厚度改变， 进而触发温跃层反馈机制使赤道中东太平洋SSTA不断发展增强。而超强暖衰减［图9（d）］中纬向一致演变则明显不同， 虽然西太平洋出现了明显的东风［图7（d）］， 在其西部激发下沉的Rossby波作用， 东部激发上升的Kelvin波作用。但温跃层在东传同时， 由于温跃层异常过强， 西太平洋仍维持负温跃层异常， 使得东、 西太平洋SSTA的对比难以进一步扩大， 温跃层反馈难以形成， 西太平洋东风难以发展。冷持续模态［图9（e）］， 赤道太平洋温跃层厚度呈稳定的西部正异常、 东部负异常的分布型， 有利于冷SSTA的持续。
图9 使用PC1~2线性回归重构的赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的温跃层厚度异常场（彩色区， 单位： m）， 按K=5的聚类结果分别合成得到的普通暖发展（a）、 超强暖发展（b）、 普通暖衰减（c）、 超强暖衰减（d）和冷持续（e）模态

斜线区域通过了置信度为95%显著性检验

Fig.9 The reconstructed thermocline thickness anomaly field （shading， units： m） of the meridional mean equatorial Pacific （5°S -5°N， 120°E -80°W） using linear regression of PC1~2， and Normal Warm-Developing （a）， Super Warm-Developing （b）， Normal Warm-Decaying （c）， Super Warm-Decaying （d）， and Cold-Persistence （e） obtained by clustering when K=5.Slashed passes the significance test at 95% confidence level

使用PC3~6线性回归重构得到纬向非对称模态对应的20 ℃温跃层厚度异常（图10）。普通暖发展模态［图10（a）］， 低层1000 hPa纬向风在赤道中太平洋辐合， 导致赤道中太平洋暖水堆积， 温跃层增厚。超强暖发展模态［图10（b）］， 赤道中太平洋的低层纬向风异常辐散主要导致了赤道东、 西太平洋温跃层厚度显著正异常。普通暖衰减模态［图10（c）］， 温跃层异常在前期冬春季保持显著的“负-正-负”型纬向分布。根据前人研究， 纬向风异常辐合可以通过Ekman抽吸作用使得温跃层厚度发生改变（Hu et al， 2021）。由于前期冬季赤道中太平洋低层纬向风异常辐合， 通过Ekman抽吸， 正温跃层厚度异常增强并向西扩展。而在之后的秋冬季， 赤道中、 东太平洋低层出现显著西风异常， 激发下沉的赤道Kelvin波， 正温跃层厚度异常通过下沉的赤道Kelvin波东传， 暖水在赤道东太平洋堆积， 有利于赤道东太平洋暖SSTA的生成［图8（c）］。超强暖衰减模态［图10（d）］由于各事件间的纬向分布差异较大， 因此合成分析结果无显著区域。冷持续模态［图10（e）］， 赤道中太平洋前期冬春季辐散出现低层纬向风辐散， 通过Ekman抽吸， 赤道西太平洋夏秋季的温跃层厚度负异常。但由于秋冬季西风异常较弱， 难以产生上升的赤道Kelvin波， 使得负温跃层厚度异常东传较弱， 不利于赤道东太平洋冷SSTA发展。
图10 使用PC3~6线性回归重构的赤道太平洋（5°S -5°N， 120°E -80°W）经向平均的温跃层厚度异常场（彩色区， 单位： m）， 按K=5的聚类结果分别合成得到的普通暖发展（a）、 超强暖发展（b）、 普通暖衰减（c）、 超强暖衰减（d）和冷持续（e）模态

斜线区域通过了置信度为95%显著性检验

Fig.10 The reconstructed thermocline thickness anomaly field （shading， units： m） of the meridional mean equatorial Pacific （5°S -5°N， 120°E -80°W） using linear regression of PC3~6， and Normal Warm-Developing （a）， Super Warm-Developing （b）， Normal Warm-Decaying （c）， Super Warm-Decaying （d）， and Cold-Persistence （e） obtained by clustering when K=5.Slashed passes the significance test at 95% confidence level

3.3.3　讨论

对整个赤道太平洋海区SSTA逐月经向平均的时间-经度数据进行EOF分析， 得到前6个显著分离的主模态。按各EOF主模态分布型， 可将前两个主模态EOF1~2归为一类， 主要包含了ENSO循环中纬向一致演变过程。将后4个主模态EOF3~6归为另一类， 主要包含了纬向非对称演变过程。纬向非对称模态通过叠加在纬向一致模态上， 导致其SSTA纬向发展不对称。通过分别进行线性回归重构， 得到纬向一致和纬向非对称演变过程对应的20 ℃温跃层厚度异常和1000 hPa纬向风异常场。
对于纬向一致的演变过程， 普通和超强暖发展模态温跃层变化相似， 都表现为前冬暖水在赤道西太平洋堆积， 随着低层异常西风出现， 激发下沉的赤道Kelvin波， 导致正温跃层厚度异常东传， 赤道东太平洋暖SSTA发展。对于暖衰减中的普通暖衰减模态， 赤道西太平洋温跃层厚度在前冬呈负异常， 低层东风异常激发上升Kelvin波， 使得负温跃层厚度异常东传， 赤道东太平洋冷SSTA发展。而超强暖衰减模态则不同， 东风异常使得赤道西太平洋温跃层负异常东扩， 控制整个赤道太平洋， 这使得异常东风难以继续维持， 冷SSTA难以发展。冷持续模态温跃层厚度异常西正东负， 赤道中太平洋上空低层东风异常稳定， 冷SSTA持续。
对于纬向非对称演变过程， 普通暖衰减模态有明显的前期信号， 赤道东太平洋正温跃层厚度异常自前冬持续， 由于赤道西太平洋纬向风异常辐合， 通过Ekman抽吸作用， 正温跃层厚度异常增强。之后的秋冬季， 赤道中西太平洋温跃层厚度异常快速发展。随着异常西风的出现， 其东侧激发下沉的赤道Kelvin波东传， 导致正温跃层厚度异常东传， 使得暖衰减之后的冷SSTA异常中心更偏中太平洋。

4 结论

本研究基于1961 -2020年的HadISST海温、 ORAS5海洋等温线深度和ERA5风场资料， 对ENSO循环进行了分类， 并分析了相关环流， 得到以下主要结论：
（1） ENSO循环主要可分为3类或5类。分3类时主要反映了ENSO循环的暖发展、 暖衰减和冷持续模态； 分5类时突出了超强暖事件演变过程与其他暖事件在强度和纬向分布上的显著差异。进一步分析表明， 出现上述差异的原因是ENSO循环包含纬向一致和纬向非对称演变模态， 二者叠加可导致其纬向发展速度的不对称。
（2） 对于纬向一致的ENSO循环， 普通与超强暖发展模态暖位相发展达到峰值的时间相似。普通暖衰减模态通常由暖位相快速衰减为冷位相， 超强暖衰减模态的暖位相持续时间明显偏长， 且由于温跃层负异常控制整个赤道太平洋， 导致之后的冷位相难以发展。冷持续模态的负海温异常持续， 期间经历减弱到再加强过程。
（3） 对于纬向非对称的ENSO循环， 最明显的特征是在普通暖衰减模态SSTA演变过程中， 冷SSTA通常由赤道东太平洋发展， 但在成熟期其冷异常中心更偏向中太平洋。其原因主要是纬向非对称模态对应的赤道温跃层厚度异常在西风作用下激发下沉的赤道Kelvin波东传， 使得赤道东太平洋温跃层厚度增大， SSTA升高。而这种温跃层厚度异常的产生则主要归因于前期秋冬季持续的赤道西太平洋上空异常的纬向风辐合。

参考文献

null
Alexander M A， Bladé I， Newman M， et al， 2002.The atmospheric bridge： the influence of ENSO teleconnections on air-sea interaction over the global oceans［J］.Journal of Climate， 15（16）： 2205-2231.DOI： 10.1175/1520-0442（2002）015<2205： TABTIO>2.0.CO； 2 .
null
Anderson D L， Rueda A， Cagigal L， et al， 2019.Time-varying emulator for short and long-term analysis of coastal food hazard potential［J］.Journal of Geophysical Research： Oceans， 124（12）： 9209-9234.DOI： 10.1029/2019JC015312 .
null
Bjerknes J， 1969.Atmospheric teleconnections from the Equatorial Pacific［J］.Monthly Weather Review， 97（3）： 163-172.DOI： 10.1175/1520-0493（1969）097<0163： ATFTEP>2.3.CO； 2 .
null
Capotondi A， Wittenberg A T， Newman M， et al， 2015.Understanding ENSO diversity［J］.Bulletin of the American Meteorological Society， 96（6）： 921-938.DOI： 10.1175/BAMS-D-13-00117.1 .
null
Celestino A E M， Cruz D A M， Sánchez E M O， et al， 2018.Groundwater quality assessment： an improved approach to K-means clustering， principal component analysis and spatial analysis： a case study［J］.Water， 10（4）： 437.DOI： 10.3390/w10040437 .
null
Chen M C， Li T， 2021.ENSO evolution asymmetry： EP versus CP El Ni?o［J］.Climate Dynamics， 56： 3569-3579.DOI： 10.1007/s00382-021-05654-7 .
null
Chen M C， Li T， Shen X Y， et al， 2016.Relative roles of dynamic and thermodynamic processes in causing evolution asymmetry between El Ni?o and La Ni?a［J］.Journal of Climate， 29（6）： 2201-2220.DOI： 10.1175/JCLI-D-15-0547.1 .
null
Chen N， Fang X H， 2023.A simple multiscale intermediate coupled stochastic model for El Ni?o diversity and complexity［J］.Journal of Advances in Modeling Earth Systems， 15（4）： e2022MS003469.DOI： 10.48550/arXiv.2206.06649 .
null
Chen N， Fang X H， Yu J Y， 2022.A multiscale model for El Ni?o complexity［J］.npj Climate and Atmospheric Science， 5（1）： 16.DOI： 10.1038/s41612-022-00241-x .
null
Chen S J， Zhu Z W， Ge Z A， et al， 2019.The diversity of La Ni?a decay and the corresponding spring and summer precipitation anomalies over eastern China［J］.International Journal of Climatology， 39（7）： 3396-3411.DOI： 10.1002/joc.6100 .
null
Chen W， Park J K， Dong B， et al， 2012.The relationship between El Ni?o and the western North Pacific summer climate in a coupled GCM： role of the transition of El Ni?o decaying phases［J］.Journal of Geophysical Research： Atmospheres， 117： D12111.DOI： 10.1029/2011JD017385 .
null
Fang X H， Chen N， 2023.Quantifying the predictability of ENSO complexity using a statistically accurate multiscale stochastic model and information theory［J］.Journal of Climate， 36（8）： 2681-2702.DOI： 10.1175/JCLI-D-22-0151.1 .
null
Fang X H， Mu M， 2018.A three-region conceptual model for central Pacific El Ni?o including zonal advective feedback［J］.Journal of Climate， 31： 4965-4979.DOI： 10.1175/JCLI-D-17-0633.1 .
null
Hersbach H， Bell B， Berrisford P， et al， 2020.The ERA5 global reanalysis［J］.Quarterly Journal of the Royal Meteorological Society， 146： 1999-2049.DOI： 10.1002/qj.3803 .
null
Hu S J， Li S H， Zhang Y， et al， 2021.Observed strong subsurface marine heatwaves in the tropical western Pacific Ocean［J］.Environmental Research Letters， 16（10）： 104024.DOI： 1088/1748-9326/ac26f2 .
null
Huang H J， Zhu Z， Li J， 2024.Disentangling the unprecedented Yangtze River Basin extreme high temperatures in summer 2022： combined impacts of the re-intensified La Ni?a and strong positive NAO［J］.Journal of Climate， 37（3）： 927-942.DOI： 10.1175/JCLI-D-23-0466.1 .
null
Jiang W P， Huang G， Huang P， et al， 2019.Northwest Pacific anticyclonic anomalies during post-El Ni?o summers determined by the pace of El Ni?o decay［J］.Journal of Climate， 32（12）： 3487-3503.DOI： 10.1175/JCLI-D-18-0793.1 .
null
Johnson N C， 2013.How many ENSO flavors can we distinguish？［J］.Journal of Climate， 26（13）： 4816-4827.DOI： 10.1175/JCLI-D-12-00649.1 .
null
Kao H Y， Yu J Y， 2009.Contrasting Eastern-Pacific and Central-Pacific types of ENSO［J］.Journal of Climate， 22（3）： 615-632.DOI： 10.1175/2008JCLI2309.1 .
null
Kelly P M， Jones P D， 1996.Removal of the El Ni?o-Southern Oscillation signal from the gridded surface air temperature data set［J］.Journal of Geophysical Research： Atmospheres， 101（D14）： 19013-19022.DOI： 10.1029/96JD01173 .
null
Kug J S， Ham Y G， 2011.Are there two types of La Ni?a？［J］.Geophysical Research Letters， 38： L16704.DOI： 10.1029/2011GL048237 .
null
Lee S K， DiNezio P N， Chung E S， et al， 2014.Spring persistence， transition and resurgence of El Ni?o［J］.Geophysical Research Letters， 41： 8578-8585.DOI： 10.1002/2014GL062484 .
null
Li X， Li C Y， Ling J， et al， 2015.The relationship between contiguous El Ni?o and La Ni?a revealed by self-organizing maps［J］.Journal of Climate， 28（20）： 8118-8134.DOI： 10.1175/JCLI-D-15-0123.1 .
null
Luther D S， Harrison D E， Knox R A， 1983.Zonal winds in the central equatorial Pacific and El Ni?o［J］.Science， 222（4621）： 327-330.DOI： 10.1126/science.222.4621.327 .
null
McPhaden M J， Bahr F， Du Penhoat Y， et al， 1992.The response of the western equatorial Pacific Ocean to westerly wind bursts during November 1989 to January 1990［J］.Journal of Geophysical Research： Oceans， 97（C9）： 14289-14303.DOI： 10.1029/92JC01197 .
null
McPhaden M J， Zebiak S E， Glantz M H， 2006.ENSO as an intriguing concept in Earth science［J］.Science， 314（5806）： 1740-1745.DOI： 10.1126/science.1132588 .
null
North G R， Bell T L， Cahalan R F， et al， 1982.Sampling errors in the estimation of empirical orthogonal functions［J］.Monthly Weather Review， 110（7）： 699-706.DOI： 10.1175/1520-0493（1982）110<0699： SEITEO>2.0.CO； 2 .
null
Rayner N A， Parker D E， Horton E B， et al， 2003.Global analyses of sea surface temperature， sea ice， and night marine air temperature since the late nineteenth century［J］.Journal of Geophysical Research： Atmospheres， 108： 4407.DOI： 10.1029/2002JD002670 .
null
Ren H L， Jin F F， 2011.Ni?o indices for two types of ENSO［J］.Geophysical Research Letters， 38： L04704.DOI： 10.1029/2010GL046031 .
null
Rousseeuw P， 1987.Silhouettes： a graphical aid to the interpretation and validation of cluster analysis［J］.Journal of Computational and Applied Mathematics， 20： 53-65.DOI： 10.1016/0377-0427（87）90125-7 .
null
Takahashi K， Montecinos A， Goubanova K， et al， 2011.ENSO regimes： reinterpreting the Canonical and Modoki El Ni?o［J］.Geophysical Research Letters， 38： L10704.DOI： 10.1029/2011gl047364 .
null
Tang S K， Qiao S B， Wang B， et al， 2023.Linkages of unprecedented 2022 Yangtze River Valley heatwaves to Pakistan flood and triple-dip La Ni?a［J］.npj Climate and Atmospheric Science， 6： 44.DOI： 10.1038/s41612-023-00386-3 .
null
Timmermann A， An S I， Kug J S， et al， 2018.El Ni?o-Southern oscillation complexity［J］.Nature， 559： 535-545.DOI： 10.1038/s41586-018-0252-6 .
null
Wallace J M， Rasmusson E M， Mitchell T P， et al， 1998.On the structure and evolution of ENSO-related climate variability in the tropical Pacific： lessons from TOGA［J］.Journal of Geophysical Research： Atmospheres， 1031（C7）： 14241-14260.DOI： 10. 1029/97JC02905 .
null
Wang B， Luo X， Sun W Y， et al， 2020.El Ni?o diversity across boreal spring predictability barrier［J］.Geophysical Research Letters， 47： e2020GL087354.DOI： 10.1029/2020GL087354 .
null
Wang B， Luo X， Yang Y M， et al， 2019.Historical change of El Ni?o properties sheds light on future changes of extreme El Ni?o［J］.Proceedings of the National Academy of Sciences， 116（45）： 22512-22517.DOI： 10.1073/pnas.1911130116 .
null
Weare B C， Nasstrom J S， 1982.Examples of extended empirical orthogonal function analyses［J］.Monthly Weather Review， 110（6）： 481-485.DOI： 10.1175/1520-0493（1982）110<0481： EOEEOF>2.0.CO； 2 .
null
Wyrtki K， 1985.Water displacements in the Pacific and the genesis of El Ni?o cycles［J］.Journal of Geophysical Research： Oceans， 90（C4）： 7129-7132.DOI： 10.1029/JC090iC04p07129 .
null
Xu Q， Ding C， Liu J P， et al， 2015.PCA-guided search for K-means［J］.Pattern Recognition Letters， 54： 50-55.DOI： 10.1016/j.patrec.2014.11.017 .
null
Yang X K， Huang P， 2022.The diversity of ENSO evolution during the typical decaying periods determined by an ENSO developing mode［J］.Journal of Climate， 35（12）： 3877-3889.DOI： 10. 1175/JCLI-D-21-0892.1 .
null
Zuo H， Balmaseda M A， Tietsche S， et al， 2019.The ECMWF operational ensemble reanalysis-analysis system for ocean and sea-ice： a description of the system and assessment［J］.Ocean Science， 15（3）： 779-808.DOI： 10.5194/os-2018-154 .
null
陈虹颖， 徐峰， 李晓惠， 等， 2017.近65 年ENSO事件强度变化及时频特征研究［J］.热带气象学报， 33（5）： 683-694.DOI： 10.16032/j.issn.1004-4965.2017.05.012.Chen H Y ，
null
Xu F， Li X H， et al， 2017.Intensities and time-frequency variability of ENSO in the last 65 years［J］.Journal of Tropical Meteorology， 33（5）： 683-694.DOI： 10.16032/j.issn.1004-4965.2017.05.012 .
null
陈子凡， 王磊， 李谢辉， 等， 2022.西南地区极端降水时空变化特征及其与强ENSO事件的关系［J］.高原气象， 41（3）： 604-616.DOI： 10.7522/j.issn.1000-0534.2022.00004.Chen Z F ，
null
Wang L， Li X H， et al， 2022.Spatiotemporal change characteristics of extreme precipitation in southwestern China and its relationship with intense ENSO events［J］.Plateau Meteorology， 41（3）： 604-616.DOI： 10.7522/j.issn.1000-0534.2022.00004 .
null
杜梦莹， 李艳， 冯娟， 2022.亚洲季风区内北半球秋季哈德莱环流特征及其与热带海温之间关系［J］.高原气象， 41（6）： 1399-1409.DOI： 10.7522/j.issn.1000-0534.2021.00093.Du M Y ，
null
Li Y， Feng J， 2022.Characteries of boreal autumn Hadley Circulation over the Asian domain and its relationship with tropical SST［J］.Plateau Meteorology， 41（6）： 1399-1409.DOI： 10.7522/j.issn.1000-0534.2021.00093 .
null
胡娅敏， 李芷卉， 汪明圣， 等， 2017.厄尔尼诺和拉尼娜事件对广东气候异常影响的研究进展［J］.广东气象， 39（4）： 6-9.DOI： 10.3969/j.issn.1007-6190.2017.04.002.Hu Y M ，
null
Li Z H， Wang M S， et al， 2017.Review of research on the influence of climate anomaly caused by El Ni?o and La Ni?a in Guangdong Province［J］.Guangdong Meteorology， 39（4）： 6-9.DOI： 10.3969/j.issn.1007-6190.2017.04.002 .
null
黄桢， 李双林， 张超， 2020.1991、 1998 和2016年三个大水年长江中下游夏季降水季节内特征的对比［J］.热带气象学报， 36（1）： 13-24.DOI： 10.16032/j.issn.1004-4965.2020.002.Huang Z ，
null
Li S L， Zhang C， 2020.A comparison of intraseasonal rainfall features over the middle and lower reaches of Yangtze River during summers of 1991， 1998 and 2016［J］.Journal of Tropical Meteorology， 36（1）： 13-24.DOI： 10.16032/j.issn.1004-4965.2020.002 .
null
黎鑫， 李崇银， 谭言科， 等， 2013.热带太平洋-印度洋温跃层海温异常联合模及其演变［J］.地球物理学报， 56（10）： 3270-3284.DOI： 10.6038/cjg20131005.Li X ，
null
Li C Y， Tan Y K， et al， 2013.Tropical Pacific-Indian Ocean thermocline temperature associated anomaly mode and its evolvement［J］.Chinese Journal of Geophysics， 56（10）： 3270-3284.DOI： 10.6038/cjg20131005 .
null
李维京， 张若楠， 孙丞虎， 等， 2016.中国南方旱涝年际年代际变化及成因研究进展［J］.应用气象学报， 27（5）： 577-591.DOI： 10.11898/1001-7313.20160507.Li W J ，
null
Zhang R N， Sun C H， et al， 2016.Recent research advances on the interannual-interdecadal variations of drought/flood in South China and associated causes［J］.Journal of Applied Meteorological Science， 27（5）： 577-591.DOI： 10.11898/1001-7313.20160507 .
null
李一诺， 李跃清， 2024. 近 20年华西秋雨演变特征及其异常机理的进展［J］.高原气象， 43（1）： 1-15.DOI： 10.7522/j.issn.1000-0534.2023.00028.Li Y N ，
null
Li Y Q， 2024.Progress of the evolutionary characteristics of autumn rain in western China and its anomalous mechanism for the past 20 years［J］.Plateau Meteorology， 43（1）： 1-15.DOI： 10.7522/j.issn.1000-0534.2023.00028 .
null
罗婷， 李丽平， 王远清， 2019.两次超强厄尔尼诺事件海温异常与次年中国东部夏季降水特征对比［J］.大气科学学报， 42（5）： 715-724.DOI： 10.13878/j.cnki.dqkxxb.20170901002.Luo T ，
null
Li L P， Wang Y Q， 2019.Contrast of characteristics of SST anomaly and the summer rainfall in East China in the following years of two strong El Ni?o events［J］.Transactions of Atmospheric Sciences， 42（5）： 715-724.DOI： 10.13878/j.cnki.dqkxxb.20170901002 .
null
庞波， 朱彪， 赖辉煌， 等， 2023.基于闪电监测数据的台站雷暴日统计检验及其演变特征研究［J］.高原气象， 42（6）： 1604-1614.DOI： 10.7522/j.issn.1000-0534.2023.00013.Pang B ，
null
Zhu B， Lai H H， et al， 2023.A statistical test of station thunderstorm days based on lightning location system and its evolution characteristics［J］.Plateau Meteorology， 42（6）： 1604-1614.DOI： 10.7522/j.issn.1000-0534.2023.00013 .
null
任福民， 袁媛， 孙丞虎， 等， 2012.近30 年ENSO研究进展回顾［J］.气象科技进展， 2（3）： 17-24.DOI： 10.3969/j.issn.2095-1973.2012.03.002.Ren F M ，
null
Yuan Y， Sun C H， et al， 2012.Review of progress of ENSO studies in the past three decades［J］.Advances in Meteorological Science and Technology， 2（3）： 17-24.DOI： 10.3969/j.issn.2095-1973.2012.03.002 .
null
杨龙， 赵景波， 2012.ENSO事件对河西走廊气候与气候灾害的影响［J］.干旱区研究， 29（6）： 949-955.DOI： 10.13866/j.azr.2012.06.025.Yang L ，
null
Zhao J B， 2012.Effect of ENSO events on climate and climatic disasters in the Hexi Corridor， Gansu Province［J］.Arid Zone Research， 29（6）： 949-955.DOI： 10.13866/j.azr.2012.06.025 .
null
赵亮， 邹力， 王成林， 等， 2006.ENSO年东亚夏季风异常对中国江、 淮流域夏季降水的影响［J］.热带气象学报， 4： 360-366.DOI： 10.16032/j.issn.1004-4965.2006.04.007.Zhao L ，
null
Zou Li， Wang C L， et al， 2006.Impacts of The East Asian summer monsoon anomaly during the ENSO event period on the summer precipitation in the lower-middle reaches of the Yangtze River and Huaihe River Valley［J］.Journal of Tropical Meteorology， 4： 360-366.DOI： 10.16032/j.issn.1004-4965.2006.04.007 .
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn